“当前，深水区大模型商业化进程已进入‘深水区’
。大模”北京中关村科金技术有限公司（以下简称“中关村科金”）总裁喻友平在日前举行的型商2025大模型技术与应用创新城市论坛上说 ，B端市场的业化应用突破关键在于构建具备行业知识和技术领先的垂类大模型，这不仅是进入破解企业数字化转型痛点的技术关键  ，更是垂类成驱动产业智能化升级的下一个战略增长极。

当前阶段，关键大模型如何落地服务企业
、胜负手创造价值成为行业关注的深水区重点。爱分析联合创始人兼首席分析师张扬认为，大模基于行业特定场景的型商大模型落地难度虽大，却能创造核心价值 。业化应用随着DeepSeek-R1等具备业务逻辑理解能力的进入开源模型出现，2025年深入业务场景的垂类成大模型及其应用将大有可为 。

大模型落地需突破三重难关

行业普遍认为，关键当前大模型落地有三重难关  ：数据瓶颈 、模型选型难题与人才适配挑战。

沥塔创新智库专家文猛认为 ，很多企业的数字化基础还比较薄弱，“数据孤岛”现象普遍存在，直接落地大模型的跨度比较大
，需要额外投入数据治理成本 。在模型选型方面 ，由于大模型技术迭代速度快，企业选择的技术路线如果缺少长期演进能力，将导致企业在精力和成本上的重复投入 。此外  ，既懂业务又具备人工智能工程化能力的复合型人才在市场上非常稀缺，无论是外部招聘还是内部培养
，都十分考验企业的组织文化和选用育留能力 。

以金融行业为例，艾瑞咨询分析师孙石琦说，当前金融行业大模型主要应用于客服、办公等非决策场景 ，而风控
 、投研等核心业务仍依赖人工干预
。大模型能否由非决策性场景向决策性场景突破 ，将决定其商业价值和市场规模。而随着技术成熟度提升，满足金融审慎要求的垂类模型有望打开千亿级市场 。

喻友平介绍 ，在解决数据瓶颈方面，中关村科金自研的得助大模型平台深度融合大模型技术 ，集成长文本解析与多模态处理能力，通过构建领域知识图谱与专业化语料库 ，实现企业数据资产的结构化治理与知识体系重构，盘活数据资产。在解决模型选型问题方面，平台覆盖算力调度、数据治理 、模型训推、智能体构建等全链路大模型开发和应用能力，支持DeepSeek、千问等主流大模型的统一纳管，接入各种尺寸的大模型超过200个。在解决人才适配问题方面，平台通过“理论培训+实战演练”双轮驱动模式，为企业提供业务诊断、技术赋能及全流程陪跑服务。

同时，合规问题也不容忽视
。孙石琦举例说，金融业监管对数据安全、输出稳定性要求严苛，厂商必须在技术迭代与合规框架间寻找平衡点。要解决人工智能幻觉 、数据准确性和伦理问题，需要通过更精准的模型构建与专业化场景训练，从技术源头改善大模型产品效果 。

技术厂商应成为“AI转型伙伴”

大模型行业格局正在发生结构性变化。文猛认为，未来3年通用大模型将集中于头部大厂 ，中小企业需在知识壁垒高的领域构建垂类模型 ，形成“通用模型主干+垂类模型枝干”的生态。

在他看来，未来会诞生一批垂类模型应用公司，这些公司将通过API应用程序接口服务 、行业解决方案等形态，成为链接通用大模型与实体产业的关键中间层，并通过结构化行业知识提升内容专业性，推动社会智力资源优化配置。

张扬也认为，除了几家专注基础大模型的大厂之外 ，未来还会有专注垂类大模型及其应用的“隐形冠军”。它们原是各行业的优秀软件公司，依托在各行业及场景的知识、标杆案例 、成熟产品和大模型技术等，完成向头部垂类大模型应用公司的转型 。

值得注意的是，有行业人士谈到，央国企等大型企业的人工智能转型是全局性问题，单一垂类大模型及其应用只是解决单点、单线问题 。因此
，企业选择的技术厂商不能只扮演“销售模型或软件”的角色
，而应该成为“AI转型伙伴”，其能力需要涵盖咨询
、培训、模型、模型管理平台、应用开发平台 、应用开发服务等方面。技术厂商可以通过自己组建团队、建立合作生态等方式补全这些能力  。

喻友平也认为，随着越来越多企业将大模型应用到核心业务中 ，企业大模型的胜负手不再是模型参数大小，而是谁更懂用垂类知识和经验提升业务价值 。

进入垂直场景落地“深水区”的较量
，正在重塑中国人工智能产业竞争。在喻友平看来  ，当通用能力逐渐成为基础设施 ，真正决定商业价值的，将是企业穿透行业本质、解决复杂场景的能力。在这场新竞赛中，既需要技术耐性，更考验生态智慧。